一种计算视频向量的方法技术

本发明专利技术涉及一种计算视频向量的方法，属于图像处理领域。本发明专利技术从视频中抽取出代表性的图像帧；计算抽取出的图像帧的特征向量；计算抽取出的图像帧的特征向量组成的矩阵的协方差矩阵的本征值，这些本征值组成视频的本征向量；对视频本征向量进行正交变换得到视频向量。本发明专利技术提出的利用本征值和正交变换计算视频向量的方法，计算简单，并考虑了视频的部分语义信息，相似视频的向量异较小，不相似视频的向量异较大，能够有效地区分不同视频，在视频管理中具有重要的应用价值。频管理中具有重要的应用价值。频管理中具有重要的应用价值。

【技术实现步骤摘要】
一种计算视频向量的方法


[0001]本专利技术属于图像处理领域，具体涉及一种计算视频向量的方法。

技术介绍

[0002]随着信息技术的发展，人们互联网上累计了大量的视频，形成了视频大数据。为进行深入的视频处理和分析，视频的表征成为一个需要解决的问题。视频表征就是用一个低维、稠密、浮点数的特征向量来表示一个视频，使得不同视频的特征向量反映了视频之间的相似性。视频表征又称为视频的向量化或嵌入(embedding)，在视频推荐、视频检索、视频版权保护等方面有着重要作用。
[0003]视频向量化方法主要是深度学习方法。这需要大量的人工标注视频，并采用大量的算力来进行深度学习，建立一个视频向量化模型，才能对新的视频进行向量化。这个过程需要占用大量资源，影响了视频向量化应用。
[0004]因此，利用现有的深度学习结果，减少视频向量化需要的资源，对于视频向量化和视频大数据管理有着重要意义。本专利技术正是基于这种现实需求而产生的。

技术实现思路

[0005](一)要解决的技术问题
[0006]本专利技术要解决的技术问题是如何提供一种计算视频向量的方法，以解决现有的视频向量化需要占用大量资源，影响了视频向量化应用的问题。
[0007](二)技术方案
[0008]为了解决上述技术问题，本专利技术提出一种计算视频向量的方法，该方法包括如下步骤：
[0009]S1、分离视频图像帧步骤；从视频中抽取出m幅代表性的图像帧，将一个视频分离为一个图像帧序列F1,F2,
…/>,F
m
；
[0010]S2、计算图像帧特征向量步骤；计算抽取出的图像帧的特征向量，将一个图像帧F
i
向量化，i＝1,
…
,m，表示为一个n维向量X
i
＝(x
i1
,x
i2
,
…
,x
in
)；
[0011]S3、计算本征值步骤；计算抽取出的m幅图像帧的特征向量组成的矩阵的本征值λ
j
，j＝1,2,
…
,n，本征值组成视频的本征向量(λ1,λ2,
…
,λ
n
)；
[0012]S4、正交变换步骤；对视频本征向量进行正交变换，得到正交变换系数(y1,y2,
…
,y
n
)，正交变换系数作为视频向量。
[0013]进一步地，所述步骤S1中，F
i
，i＝1,
…
,m，取压缩后视频中的I帧，丢弃P帧和B帧。
[0014]进一步地，所述步骤S2中，利用已经训练好的深度神经网络，处理输入图像帧，截取采用的神经网络中最后一个连接层的输出作为图像帧的初步特征向量，对这个图像帧的初步特征向量进行离散余弦变换，截取前面n个低频系数作为图像帧的特征向量。
[0015]进一步地，n＝256。
[0016]进一步地，n＝128。
[0017]进一步地，所述步骤S3中，将m幅图像帧的n维特征向量，排列成一个m行n列的矩阵X，
[0018][0019]计算A＝X
T
×
X，得到一个n行n列的实对称矩阵A，矩阵X
T
是矩阵X的转置矩阵；计算矩阵A的本征值：λ1,λ2,
…
,λ
n
；将本征值按顺序排列，组合为视频本征向量D＝(λ1,λ2,
…
,λ
n
)。
[0020]进一步地，采用雅可比方法计算矩阵A的本征值。
[0021]进一步地，将本征值按照从大到小的顺序排列：λ1≥λ2≥
…
≥λ
n
≥0。
[0022]进一步地，将本征值按照从大到小的顺序排列：0≤λ1≤λ2≤
…
≤λ
n
。
[0023]进一步地，所述步骤S4中，正交变换采用离散余弦变换、哈达玛变换或哈尔变换。
[0024](三)有益效果
[0025]本专利技术提出一种计算视频向量的方法，本专利技术提出的利用本征值和正交变换计算视频向量的方法，计算简单，并考虑了视频的部分语义信息，相似视频的向量异较小，不相似视频的向量异较大，能够有效地区分不同视频，在视频管理中具有重要的应用价值。
附图说明
[0026]图1为本专利技术计算视频向量的方法的流程图。
具体实施方式
[0027]为使本专利技术的目的、内容和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。
[0028]本专利技术涉及一种计算视频向量的方法，确切说，涉及在视频分析中，利用代表性图像帧计算视频的特征，以便判断视频间相似性的方法。
[0029]本专利技术公开了一种计算视频向量的方法，该方法包括：(1)分离视频图像帧步骤。从视频中抽取出代表性的图像帧。(2)计算图像帧特征向量步骤。计算抽取出的图像帧的特征向量。(3)计算本征值步骤。计算抽取出的图像帧的特征向量组成的矩阵的协方差矩阵的本征值，这些本征值组成视频的本征向量。(4)正交变换步骤。对视频本征向量进行正交变换得到视频向量。本专利技术提出的利用本征值和正交变换计算视频向量的方法，计算简单，并考虑了视频的部分语义信息，相似视频的向量异较小，不相似视频的向量异较大，能够有效地区分不同视频，在视频管理中具有重要的应用价值
[0030]本专利技术公开了一种计算视频向量的方法，该方法包括：(1)分离视频图像帧步骤。从视频中抽取出代表性的图像帧。(2)计算图像帧特征向量步骤。计算抽取出的图像帧的特征向量。(3)计算本征值步骤。计算抽取出的图像帧的特征向量组成的矩阵的协方差矩阵的本征值，这些本征值组成视频的本征向量。(4)正交变换步骤。对视频本征向量进行正交变换得到视频向量。本专利技术提出的利用本征值和正交变换计算视频向量的方法，计算简单，并考虑了视频的部分语义信息，相似视频的向量异较小，不相似视频的向量异较大，能够有效
地区分不同视频，在视频管理中具有重要的应用价值。
[0031]本专利技术的目的是：提供一种计算视频向量的方法，满足视频大数据管理中计算视频特征向量的需求。
[0032]为实现上述目的，本专利技术提出了一种计算视频向量的方法，该方法包括：
[0033]S1、分离视频图像帧步骤。从视频中抽取出m幅代表性的图像帧。将一个视频分离为一个图像帧序列F1,F2,
…
,F
m
。
[0034]S2、计算图像帧特征向量步骤。计算抽取出的图像帧的特征向量。将一个图像帧F
i
向量化，表示为一个n维向量X
i
＝(x
i1
,x
i2
,
…
,x
in
)。
[0035]S3、计算本征值步骤。计算抽取出的m幅图像帧的特征向量组成的矩阵的本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算视频向量的方法，其特征在于，该方法包括如下步骤：S1、分离视频图像帧步骤；从视频中抽取出m幅代表性的图像帧，将一个视频分离为一个图像帧序列F1,F2,
…
,F
m
；S2、计算图像帧特征向量步骤；计算抽取出的图像帧的特征向量，将一个图像帧F
i
向量化，i＝1,
…
,m，表示为一个n维向量X
i
＝(x
i1
,x
i2
,
…
,x
in
)；S3、计算本征值步骤；计算抽取出的m幅图像帧的特征向量组成的矩阵的本征值λ
j
，j＝1,2,
…
,n，本征值组成视频的本征向量(λ1,λ2,
…
,λ
n
)；S4、正交变换步骤；对视频本征向量进行正交变换，得到正交变换系数(y1,y2,
…
,y
n
)，正交变换系数作为视频向量。2.如权利要求1所述的计算视频向量的方法，其特征在于，所述步骤S1中，F
i
，i＝1,
…
,m，取压缩后视频中的I帧，丢弃P帧和B帧。3.如权利要求1所述的计算视频向量的方法，其特征在于，所述步骤S2中，利用已经训练好的深度神经网络，处理输入图像帧，截取采用的神经网络中最后一个连...

【专利技术属性】
技术研发人员：梁翠萍，陈玺，刘旭阳，陈鸿琼，蒋遂平，
申请(专利权)人：北京航天爱威电子技术有限公司，
类型：发明
国别省市：